{"author":{"@type":"Person","name":"Alexander Bock","url":"https://abxk.ai/de/autor/alexander-bock/"},"categories":["Physical AI"],"content":{"markdown":"Jede Antwort eines Sprachmodells, jedes erzeugte Bild und jedes Training findet in einem Gebäude statt: Hallen voller KI-Chips, angeschlossen an Stromleitungen und Kühlsysteme. Diese Gebäude sind heute der größte physische Fußabdruck der KI. Epoch AI, ein Forschungsinstitut, das die Entwicklung der KI verfolgt, erfasst die größten KI-Rechenzentren mit Satellitenbildern, Genehmigungen und öffentlichen Dokumenten und schätzt die Verkäufe von KI-Chips und den Besitz an Rechenleistung. Wir haben diese Datensätze ausgewertet: {{\u003c num \"ai_infra\" \"dc_tracked\" \u003e}} Rechenzentren, davon {{\u003c num \"ai_infra\" \"dc_operating\" \u003e}} bereits in Betrieb, die Chip-Verkäufe nach Entwickler und die Verteilung der Rechenleistung auf ihre Besitzer.\n\n![Liniendiagramm: gesamte IT-Leistung der von Epoch AI erfassten KI-Rechenzentren seit 2023, gemessene Werte bis heute und geplante Werte bis 2029](/images/blog/de/ai-data-centers-power.webp \"IT-Leistung aller erfassten KI-Rechenzentren. Gestrichelt: geplant und im Bau.\")\n\n## Wie viel Strom KI-Rechenzentren ziehen\n\nDie Rechenzentren im Datensatz ziehen heute {{\u003c num \"ai_infra\" \"dc_it_now_gw\" \u003e}} Gigawatt für ihre Chips und Server. Mit Kühlung und übrigen Anlagen brauchen die Standorte etwa {{\u003c num \"ai_infra\" \"dc_facility_ratio\" \"2\" \u003e}}-mal so viel, insgesamt {{\u003c num \"ai_infra\" \"dc_facility_now_gw\" \u003e}} Gigawatt. Projekte, die bereits im Bau sind, würden die IT-Leistung bis Ende 2027 auf {{\u003c num \"ai_infra\" \"dc_it_end2027_gw\" \u003e}} Gigawatt heben, das {{\u003c num \"ai_infra\" \"dc_it_growth_to_2027\" \u003e}}-Fache von heute.\n\nDer Datensatz enthält nicht jedes KI-Rechenzentrum der Welt. Epoch AI schätzt, dass er 44 % der weltweit installierten KI-Rechenleistung abdeckt (Stand Oktober 2026), am besten für Standorte, die ab 2024 in Betrieb gingen, und für die USA. Die tatsächlichen Summen liegen also höher.\n\n| Was die Daten zeigen | Wie es geschätzt wurde |\n|---|---|\n| IT-Leistung in Megawatt | Aus Kühlanlagen auf Satellitenbildern, Genehmigungen und Angaben der Unternehmen |\n| Rechenleistung in H100-Äquivalenten | Aus der IT-Leistung und der Energieeffizienz der wahrscheinlichsten Chips oder aus gemeldeten Chip-Zahlen |\n| Investitionskosten | Aus der IT-Leistung mit einem allgemeinen Kosten-pro-Watt-Modell |\n| Bau- und Betriebsdaten | Vor allem aus kommerziellen Satellitenbildern |\n\nLaut Epoch AI liegen 80 % der Schätzungen bei der Leistung höchstens um den Faktor 1,4 und bei der Rechenleistung um den Faktor 1,5 daneben, die Daten höchstens um sechs Monate.\n\n## Die größten KI-Rechenzentren\n\nDer größte Standort im Datensatz zieht schon heute {{\u003c num \"ai_infra\" \"dc_largest_mw\" \u003e}} Megawatt allein für die IT. Fast alle der größten Standorte liegen in den USA, zwei der vorderen Einträge in Malaysia. Die Tabelle nennt den Betreiber des Standorts — das ist nicht immer das Unternehmen, das die Chips nutzt: Mehrere Standorte werden von Cloud-Anbietern oder Projektentwicklern gebaut und an KI-Labore vermietet.\n\n{{\u003c data \"dc-top\" \"n=10\" \u003e}}\n\n![Waagerechte Balken: die zehn KI-Rechenzentren mit der höchsten IT-Leistung heute, in Megawatt](/images/blog/de/ai-data-centers-largest.webp \"Die zehn größten KI-Rechenzentren nach heutiger IT-Leistung.\")\n\n## Wer die Chips entwickelt\n\nVon Anfang 2024 bis Mitte 2026 entfallen {{\u003c num \"ai_infra\" \"chips_nvidia_share_pct\" \u003e}} % der verkauften KI-Rechenleistung auf Nvidia, gemessen in H100-Äquivalenten — einer Einheit, die die Leistung jedes Chips in die Zahl der Nvidia-H100-Chips umrechnet, der sie entspricht. Es folgen Google mit seinen eigenen TPU-Chips, die es in seinen Rechenzentren nutzt und vermietet, dann AMD, Amazon mit seinen Trainium-Chips und die chinesischen Entwickler Huawei und Cambricon.\n\n{{\u003c data \"chips\" \u003e}}\n\n![Waagerechte Balken: verkaufte KI-Rechenleistung nach Chip-Entwickler, in Millionen H100-Äquivalenten](/images/blog/de/ai-data-centers-chips.webp \"Verkaufte KI-Chips nach Entwickler, gemessen in H100-Äquivalenten.\")\n\n## Wem die Rechenleistung gehört\n\nDie großen Cloud- und Internetkonzerne besitzen den größten Teil der KI-Rechenleistung: Google, Microsoft, Amazon und Meta liegen vorn, gefolgt von Chips in China und Oracle. Epoch AI führt Chips, die durch Schmuggel nach China gelangt sind, als eigene, geschätzte Zeile. „Andere“ umfasst kleinere Cloud-Anbieter, Unternehmen und Forschungszentren.\n\n{{\u003c data \"owners\" \u003e}}\n\n## Wie schnell die Chips wurden\n\nDer schnellste KI-Chip des Jahres 2017 schaffte {{\u003c num \"ai_infra\" \"hw_2017_tflops\" \u003e}} Billionen Rechenoperationen pro Sekunde bei 16-Bit-Genauigkeit, der Genauigkeit, mit der die meisten KI-Modelle trainiert werden. Die schnellsten Chips von heute sind {{\u003c num \"ai_infra\" \"hw_growth_since_2017\" \u003e}}-mal so schnell. Geringere Genauigkeiten wie 8 und 4 Bit, die neuere Chips für den Betrieb von Modellen unterstützen, bringen noch mehr Tempo, sind aber nicht über alle Chips vergleichbar — die Tabelle nutzt deshalb 16 Bit.\n\n{{\u003c data \"hw-best\" \u003e}}\n\n## Warum Strom der Engpass ist, nicht Chips\n\nEin Rechenzentrum, das rund um die Uhr Hunderte Megawatt zieht, braucht einen neuen Netzanschluss und oft neue Leitungen — und die zu bauen dauert länger als das Rechenzentrum selbst. Deshalb planen KI-Unternehmen Rechenzentren inzwischen direkt neben Kraftwerken, bauen eigene Gasturbinen oder schließen langfristige Verträge über Atomstrom. Wasser ist die zweite physische Grenze: Verdunstungskühlung verbraucht Wasser, Trockenkühlung mehr Strom. Nur für {{\u003c num \"ai_infra\" \"dc_with_water\" \u003e}} der erfassten Rechenzentren ist ein Wasserverbrauch veröffentlicht — der Datensatz kann den gesamten Wasserverbrauch der KI noch nicht zeigen.\n\n## So haben wir gezählt\n\nGrundlage sind vier Datensätze von Epoch AI: KI-Rechenzentren, Verkäufe von KI-Chips, Besitzer von KI-Chips und Hardware für maschinelles Lernen, alle unter der Lizenz CC BY 4.0, abgerufen an dem Datum unter jeder Tabelle. Leistung heißt IT-Leistung, der Strom für Chips und Server; der Faktor für Kühlung und übrige Anlagen ist das Verhältnis von Gesamtleistung zu IT-Leistung über alle erfassten Standorte. In der Zeitreihe behält jedes Rechenzentrum seinen letzten Wert bis zum nächsten Eintrag; Werte nach heute sind Pläne und Schätzungen. Die Chip-Verkäufe decken für alle Entwickler dasselbe Zeitfenster ab, weil die Reihen von Epoch AI zu unterschiedlichen Zeitpunkten beginnen.\n\nWie Chips, Sensoren und Modelle in Maschinen zusammenwirken, die in der realen Welt handeln, erklärt unser Lernpfad unter [Physical AI](/de/physical-ai/).","text":"Jede Antwort eines Sprachmodells, jedes erzeugte Bild und jedes Training findet in einem Gebäude statt: Hallen voller KI-Chips, angeschlossen an Stromleitungen und Kühlsysteme. Diese Gebäude sind heute der größte physische Fußabdruck der KI. Epoch AI, ein Forschungsinstitut, das die Entwicklung der KI verfolgt, erfasst die größten KI-Rechenzentren mit Satellitenbildern, Genehmigungen und öffentlichen Dokumenten und schätzt die Verkäufe von KI-Chips und den Besitz an Rechenleistung. Wir haben diese Datensätze ausgewertet: 94 Rechenzentren, davon 74 bereits in Betrieb, die Chip-Verkäufe nach Entwickler und die Verteilung der Rechenleistung auf ihre Besitzer.\nIT-Leistung aller erfassten KI-Rechenzentren. Gestrichelt: geplant und im Bau. Wie viel Strom KI-Rechenzentren ziehen Die Rechenzentren im Datensatz ziehen heute 13,7 Gigawatt für ihre Chips und Server. Mit Kühlung und übrigen Anlagen brauchen die Standorte etwa 1,28-mal so viel, insgesamt 17,6 Gigawatt. Projekte, die bereits im Bau sind, würden die IT-Leistung bis Ende 2027 auf 24,4 Gigawatt heben, das 1,8-Fache von heute.\nDer Datensatz enthält nicht jedes KI-Rechenzentrum der Welt. Epoch AI schätzt, dass er 44 % der weltweit installierten KI-Rechenleistung abdeckt (Stand Oktober 2026), am besten für Standorte, die ab 2024 in Betrieb gingen, und für die USA. Die tatsächlichen Summen liegen also höher.\nKI-Rechenzentren in Zahlen: Strom, Chips und wem die Rechenleistung gehört Was die Daten zeigen Wie es geschätzt wurde IT-Leistung in Megawatt Aus Kühlanlagen auf Satellitenbildern, Genehmigungen und Angaben der Unternehmen Rechenleistung in H100-Äquivalenten Aus der IT-Leistung und der Energieeffizienz der wahrscheinlichsten Chips oder aus gemeldeten Chip-Zahlen Investitionskosten Aus der IT-Leistung mit einem allgemeinen Kosten-pro-Watt-Modell Bau- und Betriebsdaten Vor allem aus kommerziellen Satellitenbildern Laut Epoch AI liegen 80 % der Schätzungen bei der Leistung höchstens um den Faktor 1,4 und bei der Rechenleistung um den Faktor 1,5 daneben, die Daten höchstens um sechs Monate.\nDie größten KI-Rechenzentren Der größte Standort im Datensatz zieht schon heute 946 Megawatt allein für die IT. Fast alle der größten Standorte liegen in den USA, zwei der vorderen Einträge in Malaysia. Die Tabelle nennt den Betreiber des Standorts — das ist nicht immer das Unternehmen, das die Chips nutzt: Mehrere Standorte werden von Cloud-Anbietern oder Projektentwicklern gebaut und an KI-Labore vermietet.\nDie größten KI-Rechenzentren nach heutiger Leistung RechenzentrumBetreiberLandIT-Leistung (MW)H100-ÄquivalenteKosten (Mrd. US-$) Colossus 2SpaceXAIUSA9461.111.67335,8 Anthropic-Amazon New CarlisleAmazonUSA910685.91234,5 Microsoft Fairwater AtlantaMicrosoftUSA636768.76924,1 DayOne Nusajaya–Malaysia473583.83717,9 Meta PrometheusMetaUSA471536.34317,8 DayOne Kempas–Malaysia422480.63916,0 OpenAI Stargate AbileneOracleUSA421509.34815,9 Microsoft Fairwater WisconsinMicrosoftUSA369445.68014,0 Google Pryor (North)GoogleUSA368636.68513,9 Colossus 1SpaceXAIUSA340275.79612,9 Google New AlbanyGoogleUSA333323.90112,6 Google ColumbusGoogleUSA303331.98611,5 Daten: Epoch AI, AI data centers, 94 erfasste Rechenzentren, Stand 18.10.2026, Lizenz CC BY 4.0. IT-Leistung = Strombedarf der Chips und Server heute, ohne Kühlung; H100-Äquivalente = Rechenleistung umgerechnet auf NVIDIAs H100-Chip; Kosten = Investitionen in Gebäude und Technik (US-Dollar von 2025).\nDie zehn größten KI-Rechenzentren nach heutiger IT-Leistung. Wer die Chips entwickelt Von Anfang 2024 bis Mitte 2026 entfallen 65,1 % der verkauften KI-Rechenleistung auf Nvidia, gemessen in H100-Äquivalenten — einer Einheit, die die Leistung jedes Chips in die Zahl der Nvidia-H100-Chips umrechnet, der sie entspricht. Es folgen Google mit seinen eigenen TPU-Chips, die es in seinen Rechenzentren nutzt und vermietet, dann AMD, Amazon mit seinen Trainium-Chips und die chinesischen Entwickler Huawei und Cambricon.\nVerkaufte KI-Chips nach Entwickler, 01/2024 bis 06/2026 EntwicklerRechenleistung (Mio. H100-Äquivalente)Chips (Mio.)Leistung (MW) Nvidia19,6011,2611.341 Google6,056,102.878 AMD1,741,161.027 Amazon1,562,601.229 Huawei1,121,82– Cambricon0,060,2346 Daten: Epoch AI, Data on AI chip sales (Medianschätzung), abgerufen am 18.10.2026, Lizenz CC BY 4.0. Gemeinsames Zeitfenster für alle Entwickler; „–“ = keine Angabe.\nVerkaufte KI-Chips nach Entwickler, gemessen in H100-Äquivalenten. Wem die Rechenleistung gehört Die großen Cloud- und Internetkonzerne besitzen den größten Teil der KI-Rechenleistung: Google, Microsoft, Amazon und Meta liegen vorn, gefolgt von Chips in China und Oracle. Epoch AI führt Chips, die durch Schmuggel nach China gelangt sind, als eigene, geschätzte Zeile. „Andere“ umfasst kleinere Cloud-Anbieter, Unternehmen und Forschungszentren.\nWem die KI-Rechenleistung gehört, Stand 31.12.2025 BesitzerRechenleistung (Mio. H100-Äquivalente)Anteil Google5,0524,1 % Microsoft3,4216,3 % Andere3,3616,1 % Amazon2,4511,7 % Meta2,3011,0 % China (legal gekauft)1,165,5 % Oracle1,145,5 % CoreWeave0,834,0 % China (geschmuggelt, geschätzt)0,663,2 % xAI0,552,6 % Daten: Epoch AI, Data on AI chip owners (Medianschätzung, kumuliert ab 2022), abgerufen am 18.10.2026, Lizenz CC BY 4.0.\nWie schnell die Chips wurden Der schnellste KI-Chip des Jahres 2017 schaffte 125 Billionen Rechenoperationen pro Sekunde bei 16-Bit-Genauigkeit, der Genauigkeit, mit der die meisten KI-Modelle trainiert werden. Die schnellsten Chips von heute sind 20,1-mal so schnell. Geringere Genauigkeiten wie 8 und 4 Bit, die neuere Chips für den Betrieb von Modellen unterstützen, bringen noch mehr Tempo, sind aber nicht über alle Chips vergleichbar — die Tabelle nutzt deshalb 16 Bit.\nSchnellster KI-Chip je Erscheinungsjahr (16-Bit-Tensorleistung) JahrChipHerstellerTFLOP/s 2017NVIDIA V100 SXM2NVIDIA125 2018NVIDIA V100 DGXS 16 GBNVIDIA125 2019NVIDIA V100S PCIe 32 GBNVIDIA130 2020NVIDIA A100 SXM4 80 GBNVIDIA312 2021AMD Radeon Instinct MI250XAMD383 2022Biren BR100Biren1.024 2023AMD Instinct MI300XAMD1.307 2024NVIDIA B200NVIDIA2.250 2025AMD Instinct MI355XAMD2.517 2026Microsoft Maia 200Microsoft1.268 Daten: Epoch AI, Data on machine learning hardware (178 Chips), abgerufen am 18.10.2026, Lizenz CC BY 4.0.\nWarum Strom der Engpass ist, nicht Chips Ein Rechenzentrum, das rund um die Uhr Hunderte Megawatt zieht, braucht einen neuen Netzanschluss und oft neue Leitungen — und die zu bauen dauert länger als das Rechenzentrum selbst. Deshalb planen KI-Unternehmen Rechenzentren inzwischen direkt neben Kraftwerken, bauen eigene Gasturbinen oder schließen langfristige Verträge über Atomstrom. Wasser ist die zweite physische Grenze: Verdunstungskühlung verbraucht Wasser, Trockenkühlung mehr Strom. Nur für 8 der erfassten Rechenzentren ist ein Wasserverbrauch veröffentlicht — der Datensatz kann den gesamten Wasserverbrauch der KI noch nicht zeigen.\nSo haben wir gezählt Grundlage sind vier Datensätze von Epoch AI: KI-Rechenzentren, Verkäufe von KI-Chips, Besitzer von KI-Chips und Hardware für maschinelles Lernen, alle unter der Lizenz CC BY 4.0, abgerufen an dem Datum unter jeder Tabelle. Leistung heißt IT-Leistung, der Strom für Chips und Server; der Faktor für Kühlung und übrige Anlagen ist das Verhältnis von Gesamtleistung zu IT-Leistung über alle erfassten Standorte. In der Zeitreihe behält jedes Rechenzentrum seinen letzten Wert bis zum nächsten Eintrag; Werte nach heute sind Pläne und Schätzungen. Die Chip-Verkäufe decken für alle Entwickler dasselbe Zeitfenster ab, weil die Reihen von Epoch AI zu unterschiedlichen Zeitpunkten beginnen.\nWie Chips, Sensoren und Modelle in Maschinen zusammenwirken, die in der realen Welt handeln, erklärt unser Lernpfad unter Physical AI.\n","words":995},"date":"2026-10-18","description":"Wie viel Strom brauchen KI-Rechenzentren, auf welchen Chips laufen sie und wem gehört die Rechenleistung? Die größten KI-Rechenzentren, Chip-Verkäufe und Besitzer in Zahlen.","image":"https://abxk.ai/images/cover/ai-data-centers.webp","json":"https://abxk.ai/de/physical-ai/ai-data-centers/index.json","kind":"page","language":"de","modified":"2026-10-18","section":"physical-ai","seo_title":"KI-Rechenzentren 2026: Strom, Chips und Rechenleistung","tags":["ki-rechenzentren","ki-chips","rechenleistung","energie","physical-ai"],"title":"KI-Rechenzentren in Zahlen: Strom, Chips und wem die Rechenleistung gehört","translations":[{"json":"https://abxk.ai/en/physical-ai/ai-data-centers/index.json","language":"en","url":"https://abxk.ai/en/physical-ai/ai-data-centers/"}],"url":"https://abxk.ai/de/physical-ai/ai-data-centers/"}